개발자가 Claude Code와 GPT-5.4 Codex 간 코드 리뷰를 가능하게 하는 MCP 서버를 만들어 AI 모델별 서로 다른 blind spot을 활용하는 체계를 구현했다

Context

Claude Code가 코드를 작성하고 Claude가 직접 리뷰하면 AI equivalent of grading your own homework 상태가 되어 blind spot이 살아남는다.

Technical Solution

• [Claude Code] → [Codex CLI로 코드 리뷰 요청] 형태의 MCP 서버 구현
• [JSONL 이벤트 스트림] → [구조화된 리포트]로 파싱하여 Claude가 내부 동작 파악 가능하게 함
• [GPT-5.4] → [helix-codex 자체 소스 코드 리뷰] 수행하여 3가지 critical issues 발견
• [asyncio.gather] → [최대 6개 동시 작업 병렬 실행] 가능하게 함
• [3-tier sandbox policy] → [terminal injection 방지] 및 [Sandbox security] 구현

Impact

• explain 태스크 처리 시간: 5.4s
• Full review 처리 시간: 15.7s
• execute 태스크 처리 시간: 2.8s
• 총 56개 테스트 케이스 통과
• Python singleton 패턴 비교 시 lru_cache approach는 Claude 미고려 사항

Key Takeaway

서로 다른 AI 모델은 서로 다른 blind spot을 가지고 있어 cross-model 리뷰가 self-review의 한계를 극복한다. Raw text 대신 구조화된 trace가 programmatic decision에 필수적이다.